این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله دیابت و متابولیسم ایران، جلد ۱۴، شماره ۶، صفحات ۴۱۸-۴۳۰
عنوان فارسی پیش‌بینی صحیح دز انسولین در بیماران دیابتی نوع دو با استفاده از ترکیب سیستم‌های هوشمند مصنوعی و الگوریتم‌های داده‌کاوی
چکیده فارسی مقاله مقدمه: دیابت بیماری است که علاوه بر پیشگیری، نیاز به مراقبت‌های فراوانی از قبیل پیش‌بینی صحیح میزان نوسانات سطح قند خون دارد. از مهم‌ترین عوارض این بیماری می‌توان به بیهوشی، کما و حتی مرگ اشاره کرد. امروزه در این بیماران، تعیین صحیح دُز انسولین براساس تجربه یا دانش پزشکان با استفاده از تعامل با بیماران مشخص می‌شود، هر چند که وجود خطاهای انسانی اجتناب ناپذیر است. در این مطالعه سعی شده است تا پیش‌بینی صحیحی از نیاز 48 ساعت آینده انسولین برای بیماران به دست آید. روش‌ها: 124 بیمار دیابتی نوع دو و 188 فرد مشکوک به بیماری نوع دو براساس 12 ویژگی با انتخاب تصادفی از بین افراد مراجعه کننده به مرکز تحقیقات دیابت دانشگاه علوم پزشکی سبزوار در فاصله سال‌های 1385 تا 1390 مورد مطالعه و بررسی قرار گرفتند. سیستم پیشنهادی نویسندگان دارای چندین زیر سیستم از قبیل الگوریتم‌های تکاملی (BPSO1) به‌منظور انتخاب بهترین و موثرترین ویژگی‌ها، الگوریتم‌های داده‌کاوی (SVM2) به‌منظور تشخیص و دسته‌بندی ویژگی‌های موثر از غیر موثر و سیستم‌های انطباقی فازی عصبی (ANFIS3) به‌منظور تخمین، یادگیری و تطبیق در جهت پیش‌بینی صحیح، مورد استفاده قرار گرفته است. تمام شبیه سازی‌ها توسط نرم افزار MATLAB انجام شده است. یافته‌ها: سیستم پیشنهادی براساس بهترین ویژگی‌ها در بانک داده در قالب ترکیب و تعامل موفق شد به دقت بالایی با کمترین خطا دست یابد. این سیستم در مقایسه با سایر روش‌های معمول از سرعت قابل توجه، عملکرد مناسب و دقت بالایی برخوردار است. سیستم پیشنهادی در قالب ترکیب و تعامل با زیر سیستم‌ها موفق شد به نرخ ویژگی 1/84 درصد، 91 درصد در حساسیت و به دقت 9/92 درصد، دست یابد. نتیجه‌گیری: در این تحقیق با توجه به ضرورت تعیین صحیح و به‌موقع میزان انسولین برای بیماران، روشی نوین مبتنی بر ترکیب سیستم‌های هوشمند جهت پیش‌بینی صحیح دُزانسولین برای بیماران ارائه شده است. با به کارگیری سیستم پیشنهادی علاوه بر مشخص شدن نیاز صحیح انسولین برای بیماران از مشکلاتی همچون بستری و مراقب‌های طولانی و طاقت فرسای بیماران برای مشخص شدن نیاز انسولین آن‌ها پیشگیری شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی THE PREDICTION OF CORRECT DOSE OF INSULIN IN MELLITUS PATIENT BY USING ARTIFICIAL INTELLIGENT SYSTEM AND COMBINED DATA MINING ALGORITHM
چکیده انگلیسی مقاله Background: Diabetes is such diseases that need high quality beside prevention such as correctly predict fluctuations in blood glucose levels. The main complications of the disease can be anesthesia, coma and even death. Today, in these patients, the correct dose of insulin determined based on experience or doctors knowledge, and interact between the patients and physician, although there is an inevitable human errors. Methods: In this study based on applied method, 124 patients and 188 healthy subjects based on 12 features by Random Selection, Who had been referred to Research Center for Diabetic in Sabzevar university of Medical Science since 2006 to 2011 were studied. The proposed system has several subsystems, such as evolutionary algorithms (BPS 1) to select the most effective features, Data Mining Algorithms (SVM 2) to detect and classify the features from the non-effective features. Adaptive Neuro fuzzy systems (ANFIS 3) to estimate learn and adaptation in order to correctly predict have been used. Results: In this study, we try to use artificial intelligence systems to determine the correct dose of insulin for diabetics. The proposed system combines the best attributes in the database in the form the interaction was able to achieve high accuracy with the lowest error. The proposed system based on best features in the database in the interaction form was able to achieve high accuracy with the lowest error. The proposed system in the form of composition and interaction with the subsystem was able to achieve carefully 84.1% in specificity, 91% in sensitivity and 92.9% in accuracy. Conclusion: In this research, due to the importance of correct and timely determination of insulin for diabetics, a new method based on the combination of intelligent systems is presented. Thus, the results obtained in previous articles and studies provide significantly improved.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد فیوضی | mohammad fiuzy
address mohammad fiuzy, department of control, school of electrical engineering, iran university of science and technology, p.o box 1684613114
تهران، نارمک، دانشگاه علم و صنعت، دانشکده مهندسی برق، بخش مهندسی کنترل ، کدپستی 1684613114، تلفن 09188160930
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

جواد حدادنیا | javad haddadni hsu acir
research center for advanced medical technologies, electrical engineering faculty, hakim sabzevari university, sabzevar, iran
مرکز تحقیقات فناوری های نوین پزشکی, دانشکده مهندسی برق
سازمان اصلی تایید شده: دانشگاه حکیم سبزواری (Hakim sabzevari university)

نسرین ملانیا | nasin mollania
biochemistry section, department of biology, faculty of basic science, hakim sabzevari university, sabzevar, iran
بخش بیوشیمی، گروه زیست شناسی، دانشکده علوم پایه
سازمان اصلی تایید شده: دانشگاه حکیم سبزواری (Hakim sabzevari university)

محمد محمد زاده | mohammad mohammad zedeh
healthy ageing research center, university of medical sciences, sabzevar, iran
مرکز تحقیقات سالمند شناسی

نشانی اینترنتی http://ijdld.tums.ac.ir/browse.php?a_code=A-10-274-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات